用途：把一段短动效视频拆成两份成果——一份分析（怎么做的、看起来什么感觉）和一份重建规格（别人不看视频也能按数字复刻）。已在 28.6 秒产品更新片段（Linear「Loops updates」）上验证，并用作其复刻件的评审依据。模型只是快速初读，人（你）才是事实基准；资料提示模型会犯错，例如把从 0 秒起就是 3D 的场景说成 7.5 秒才变 3D。
前提：PATH 中需有 ffmpeg（worker 镜像自带静态版本，但缺 drawtext 与 ffprobe；勿用 Remotion 自带被裁剪的 ffmpeg）。像素计算需 python venv 装 numpy 与 pillow（系统 pip 受 PEP 668 限制）。需可用的 OpenRouter 凭据，在 Agent Swarm 中绑定为出口凭据；脚本内不能读取本地路径，需用 agent-fs 暂存并取 signed URL 拉取。
步骤：1) ffmpeg 探测时长、分辨率、fps 与是否有音轨。2) 用 volumedetect 与 silencedetect 实测音频，并真实执行转写调用（即使预期无人声），区分「无人声」与「无音频」。3) 先自己看片：用 fps=2、tile=4x5 做联系表，对每个转场抽 10 fps 窗口，写出节拍表。4) 默认调用 google/gemini-3.8-flash，采样约 12 帧（勿直接发原始视频，会超时），按时间戳提问，并追问每个时刻是 2D 还是 3D 及证据。5) 强制逐条核对模型结论与帧画面对照，做保留／纠正／舍弃表。6) 输出分析章节。7) 输出重建规格：画布、fps、时长、调色板十六进制、字体、帧级节拍、cubic-bezier 缓动、镜头路径、景深与模糊、转场、音频，并报告运动密度（冻结帧比例与每秒中位帧差）。限制：资料未给出定价、授权、平台支持等其它信息；已知多模型对比时 qwen 多帧请求会超时，raw video 输入会超时。